ජෛවමිතික යනු ශරීර මිනුම් සහ මිනිස් ලක්ෂණ හා සම්බන්ධ ගණනය කිරීම් වේ. ජෛවමිතික සත්‍යාපනය (හෝ යථාර්ථවාදී සත්‍යාපනය) පරිගණක විද්‍යාවේ හඳුනාගැනීමේ සහ ප්‍රවේශ පාලන ආකාරයක් ලෙස භාවිතා කරයි. එය නිරීක්ෂණය යටතේ සිටින කණ්ඩායම්වල පුද්ගලයින් හඳුනා ගැනීමට ද භාවිතා කරයි.

ජෛවමිතික හඳුනාගැනීම් යනු පුද්ගලයින් ලේබල් කිරීමට සහ විස්තර කිරීමට භාවිතා කරන සුවිශේෂී, මැනිය හැකි ලක්ෂණ වේ. ජෛවමිතික හඳුනාගැනීම් බොහෝ විට ශරීරයේ හැඩයට සම්බන්ධ භෞතික විද්‍යාත්මක ලක්ෂණ ලෙස වර්ගීකරණය කර ඇත. උදාහරණ ලෙස ඇඟිලි සලකුණු, අත්ල නහර, මුහුණු හඳුනාගැනීම, DNA, අත්ල මුද්‍රණය, අත් ජ්‍යාමිතිය, අයිරිස් හඳුනාගැනීම, දෘෂ්ටි විතානය සහ ගන්ධය/සුවඳ ඇතුළත් වේ, නමුත් ඒවාට පමණක් සීමා නොවේ.

ජෛවමිතික හඳුනාගැනීමේ තාක්ෂණයට පරිගණක විද්‍යාව, දෘෂ්ටි විද්‍යාව සහ ධ්වනි විද්‍යාව සහ අනෙකුත් භෞතික විද්‍යාවන්, ජීව විද්‍යාවන්, ජෛව සංවේදක සහ ජෛව සංඛ්‍යාලේඛන මූලධර්ම, ආරක්ෂක තාක්ෂණය සහ කෘතිම බුද්ධි තාක්ෂණය සහ තවත් බොහෝ මූලික විද්‍යාවන් සහ නව්‍ය යෙදුම් තාක්ෂණයන් ඇතුළත් වේ. එය සම්පූර්ණ බහුවිධ තාක්ෂණික විසඳුම් වේ.

මෑත වසරවලදී, කෘතිම බුද්ධියේ දියුණුවත් සමඟ, ජෛවමිතික හඳුනාගැනීමේ තාක්ෂණය වඩාත් පරිණත වී ඇත. වර්තමානයේ, මුහුණු හඳුනාගැනීමේ තාක්ෂණය ජෛවමිතිකවල වඩාත්ම නියෝජනය වේ.

මුහුණු හඳුනාගැනීම

මුහුණු හඳුනාගැනීමේ ක්‍රියාවලියට මුහුණු එකතු කිරීම, මුහුණු හඳුනාගැනීම, මුහුණු විශේෂාංග නිස්සාරණය සහ මුහුණු ගැළපීමේ හඳුනාගැනීම ඇතුළත් වේ. මුහුණු හඳුනාගැනීමේ ක්‍රියාවලිය යන්ත්‍ර ඉගෙනීමේදී AdaBoos ඇල්ගොරිතම, සංවර්ධිත ස්නායු ජාලය සහ ආධාරක දෛශික යන්ත්‍රය වැනි විවිධ තාක්ෂණයන් භාවිතා කරයි.

මුහුණු හඳුනාගැනීමේ ක්‍රියාවලිය

වර්තමානයේ, මුහුණු භ්‍රමණය, අවහිර වීම, සමානකම යනාදිය ඇතුළු සාම්ප්‍රදායික මුහුණු හඳුනාගැනීමේ දුෂ්කරතා බෙහෙවින් වැඩිදියුණු කර ඇති අතර, එමඟින් මුහුණු හඳුනාගැනීමේ නිරවද්‍යතාවය බෙහෙවින් වැඩි දියුණු වේ. 2D මුහුණ, 3D මුහුණ, බහු-වර්ණාවලි මුහුණ. සෑම මාදිලියකටම විවිධ අත්පත් කර ගැනීමේ අනුවර්තන අවස්ථා, දත්ත ආරක්ෂණ උපාධිය සහ රහස්‍යතා සංවේදීතාව යනාදිය ඇති අතර, විශාල දත්ත පිළිබඳ ගැඹුරු ඉගෙනීමක් එකතු කිරීම 3D මුහුණු හඳුනාගැනීමේ ඇල්ගොරිතමය 2D ප්‍රක්ෂේපණයේ දෝෂ සඳහා අතිරේකයක් සපයයි. එය පුද්ගලයෙකුගේ අනන්‍යතාවය ඉක්මනින් හඳුනාගත හැකි අතර, එය ද්විමාන මුහුණු හඳුනාගැනීමේ යෙදීම සඳහා යම් ඉදිරි ගමනක් ගෙන දී ඇත.

ඒ අතරම, මුහුණු හඳුනාගැනීමේ ආරක්ෂාව වැඩි දියුණු කිරීම සඳහා ජෛවමිතික හඳුනාගැනීමේ තාක්ෂණය දැනට ප්‍රධාන තාක්‍ෂණයක් ලෙස භාවිතා කරනු ලබන අතර, එමඟින් ඡායාරූප, වීඩියෝ, ත්‍රිමාණ ආකෘති සහ කෘතිම වෙස් මුහුණු වැනි ව්‍යාජ වංචාවන්ට ඵලදායී ලෙස ප්‍රතිරෝධය දැක්විය හැකි අතර මෙහෙයුම් පරිශීලකයින්ගේ අනන්‍යතාවය ස්වාධීනව තීරණය කළ හැකිය. වර්තමානයේ, මුහුණු හඳුනාගැනීමේ තාක්ෂණයේ වේගවත් සංවර්ධනයත් සමඟ, ස්මාර්ට් උපාංග, මාර්ගගත මූල්‍ය සහ මුහුණු ගෙවීම් වැනි බොහෝ නව්‍ය යෙදුම් වැඩි වැඩියෙන් ජනප්‍රිය වී ඇති අතර, සෑම කෙනෙකුගේම ජීවිතයට සහ කාර්යයට වේගය සහ පහසුව ගෙන එයි.

අත්ල සලකුණු හඳුනාගැනීම

අත්ල මුද්‍රණ හඳුනාගැනීම යනු නව ආකාරයේ ජෛවමිතික හඳුනාගැනීමේ තාක්‍ෂණයක් වන අතර එය මිනිස් සිරුරේ අත්ල මුද්‍රණය ඉලක්ක ලක්ෂණය ලෙස භාවිතා කරන අතර බහු වර්ණාවලි රූපකරණ තාක්‍ෂණය හරහා ජීව විද්‍යාත්මක තොරතුරු රැස් කරයි. බහු වර්ණාවලි මුද්‍රණ හඳුනාගැනීම බහු-මාදිලි සහ බහු ඉලක්ක ලක්ෂණ ඒකාබද්ධ කරන ජෛවමිතික හඳුනාගැනීමේ තාක්‍ෂණයේ ආකෘතියක් ලෙස සැලකිය හැකිය. මෙම නව තාක්‍ෂණය සමේ වර්ණාවලිය, අත්ල මුද්‍රණය සහ ශිරා නහර යන හඳුනාගත හැකි ලක්ෂණ තුන ඒකාබද්ධ කර එකවර වඩාත් බහුල තොරතුරු ලබා දෙන අතර ඉලක්ක ලක්ෂණවල වෙන්කර හඳුනාගැනීමේ හැකියාව වැඩි කරයි.

මෙම වසරේ, Amazon හි අත්ල හඳුනාගැනීමේ තාක්ෂණය, Orville යන කේත නාමයෙන්, පරීක්ෂණ ආරම්භ කර ඇත. ස්කෑනරය මුලින්ම අධෝරක්ත ධ්‍රැවීකරණය වූ මුල් රූප කට්ටලයක් ලබා ගන්නා අතර, රේඛා සහ නැමීම් වැනි අත්ලෙහි බාහිර ලක්ෂණ කෙරෙහි අවධානය යොමු කරයි; දෙවන ධ්‍රැවීකරණය වූ රූප කට්ටලය නැවත ලබා ගන්නා විට, එය අත්ල ව්‍යුහය සහ නහර, අස්ථි, මෘදු පටක ආදිය වැනි අභ්‍යන්තර ලක්ෂණ කෙරෙහි අවධානය යොමු කරයි. අමු රූප මුලින් සැකසෙන්නේ අත් අඩංගු රූප කට්ටලයක් ලබා දීම සඳහා ය. මෙම රූප හොඳින් ආලෝකමත් වී, අවධානය යොමු කර ඇති අතර, අත්ල නිශ්චිත දිශානතියකින්, නිශ්චිත ඉරියව්වකින්, සහ වම් හෝ දකුණු අත ලෙස ලේබල් කර ඇත.

වර්තමානයේ, Amazon හි palmprint හඳුනාගැනීමේ තාක්ෂණයට පුද්ගලික අනන්‍යතාවය සත්‍යාපනය කර ගෙවීම මිලි තත්පර 300 කින් සම්පූර්ණ කළ හැකි අතර, පරිශීලකයින්ට ස්කෑනිං උපාංගය මත අත තැබීමට අවශ්‍ය නොවේ, ස්පර්ශයකින් තොරව අත වනමින් ස්කෑන් කරන්න. මෙම තාක්ෂණයේ අසාර්ථකත්ව අනුපාතය 0.0001% පමණ වේ. ඒ සමඟම, palmprint හඳුනාගැනීම ආරම්භක අදියරේදී ද්විත්ව සත්‍යාපනයකි - බාහිර ලක්ෂණ ලබා ගැනීමට පළමු වරට සහ අභ්‍යන්තර ආයතනික ලක්ෂණ ලබා ගැනීමට දෙවන වරට. ආරක්ෂාව සම්බන්ධයෙන් අනෙකුත් ජෛවමිතික තාක්ෂණයන් සමඟ සසඳන විට, වැඩිදියුණු කර ඇත.

ඉහත ජෛවමිතික ලක්ෂණ වලට අමතරව, අයිරිස් හඳුනාගැනීමේ තාක්ෂණය ද ජනප්‍රිය වෙමින් පවතී. අයිරිස් හඳුනාගැනීමේ ව්‍යාජ හඳුනාගැනීමේ අනුපාතය 1/1000000 තරම් අඩුය. එය ප්‍රධාන වශයෙන් අනන්‍යතා හඳුනා ගැනීම සඳහා අයිරිස් ජීවිත විචලනය සහ වෙනසෙහි ලක්ෂණ භාවිතා කරයි.

වර්තමානයේ, කර්මාන්තය තුළ ඇති එකඟතාවය නම්, තනි ක්‍රමයක් හඳුනා ගැනීම හඳුනාගැනීමේ කාර්ය සාධනය සහ ආරක්ෂාව යන දෙකෙහිම බාධක ඇති බවත්, බහු-මාදිලි විලයනය මුහුණු හඳුනාගැනීමේ සහ ජෛවමිතික හඳුනාගැනීමේ පවා වැදගත් ඉදිරි ගමනකි - බහු-සාධකය හරහා පමණක් නොව. හඳුනාගැනීමේ නිරවද්‍යතාවය වැඩිදියුණු කිරීමේ ක්‍රමය ජෛවමිතික තාක්‍ෂණයේ දර්ශන අනුවර්තනය වීමේ හැකියාව සහ පෞද්ගලිකත්ව ආරක්ෂාව යම් ප්‍රමාණයකට වැඩිදියුණු කළ හැකිය. සාම්ප්‍රදායික තනි මාදිලියේ ඇල්ගොරිතමය හා සසඳන විට, එය මූල්‍ය මට්ටමේ ව්‍යාජ හඳුනාගැනීමේ අනුපාතය (මිලියන දහයකට එකක් තරම් අඩු) වඩා හොඳින් සපුරාලිය හැකි අතර එය ජෛවමිතික හඳුනාගැනීමේ වර්ධනයේ ප්‍රධාන ප්‍රවණතාවය ද වේ.

බහුමාධ්‍ය ජෛවමිතික පද්ධතිය

බහුමාධ්‍ය ජෛවමිතික පද්ධති ඒකමාධ්‍ය ජෛවමිතික පද්ධතිවල සීමාවන් මඟහරවා ගැනීම සඳහා බහු සංවේදක හෝ ජෛවමිතික භාවිතා කරයි. නිදසුනක් ලෙස, අයිරිස් හඳුනාගැනීමේ පද්ධති වයස්ගත අයිරිස් මගින් අවදානමට ලක් විය හැකි අතර, ගෙවී ගිය හෝ කැපූ ඇඟිලි සලකුණු මගින් ඉලෙක්ට්‍රොනික ඇඟිලි සලකුණු හඳුනාගැනීම නරක අතට හැරිය හැක. ඒකමාධ්‍ය ජෛවමිතික පද්ධති ඒවායේ හඳුනාගැනීමේ අඛණ්ඩතාවයෙන් සීමා වී ඇති අතර, ඒකමාධ්‍ය පද්ධති කිහිපයක් සමාන සීමාවන්ගෙන් පීඩා විඳීමට ඉඩක් නැත. බහුමාධ්‍ය ජෛවමිතික පද්ධතිවලට එකම සලකුණකින් (එනම්, අයිරිස් එකක බහු රූප, හෝ එකම ඇඟිල්ලේ ස්කෑන්) හෝ විවිධ ජෛවමිතික වලින් (ඇඟිලි සලකුණු ස්කෑන් අවශ්‍ය වන අතර, හඬ හඳුනාගැනීම භාවිතා කරමින්, කථන මුර කේතයක්) තොරතුරු ලබා ගත හැකිය.

බහුමාධ්‍ය ජෛවමිතික පද්ධතිවලට මෙම ඒකමාධ්‍ය පද්ධති අනුක්‍රමිකව, එකවර, ඒවායේ සංයෝජනයක් ලෙස හෝ ශ්‍රේණිගතව ඒකාබද්ධ කළ හැකි අතර, ඒවා පිළිවෙලින් අනුක්‍රමික, සමාන්තර, ධූරාවලි සහ අනුක්‍රමික ඒකාබද්ධ කිරීමේ ක්‍රම වෙත යොමු වේ.

චැන්සීසීටීවීමාලාවක් සංවර්ධනය කර ඇතජෛවමිතික කාචමුහුණු හඳුනාගැනීම, අත්ල මුද්‍රණ හඳුනාගැනීම මෙන්ම ඇඟිලි සලකුණු හඳුනාගැනීම සහ අයිරිස් හඳුනාගැනීම සඳහා. උදාහරණයක් ලෙස CH3659A යනු 1/1.8'' සංවේදක සඳහා නිර්මාණය කරන ලද 4k අඩු විකෘති කාචයකි. එහි සියලුම වීදුරු සහ සංයුක්ත මෝස්තර 11.95mm TTL පමණක් ඇත. එය අංශක 44 ක තිරස් දර්ශන ක්ෂේත්‍රයක් ග්‍රහණය කරයි. මෙම කාචය අත්ල මුද්‍රණ හඳුනාගැනීම සඳහා වඩාත් සුදුසුය.